小波降噪提高时延估计精度的研究

为了估计两个在空间上分离的传感器所接收信号之间的时间延迟,结合小波降噪的特点,提出了一种基于小波降噪的广义相关时延估计算法.鉴于传统阈值降噪的不足,对小波阙值的选取进行改进,研究出一种新的小波阈值降噪技术.该算法克服了传统广义相关法需要信号和噪声先验知识的局限性,放宽了直接互相关法对信号和噪声的假设条件.仿真和实验结果...     

基于二次相关的语音信号时延估计改进算法

目前语音信号的时延估计研究,大部分采用的是广义互相关算法。然而,广义互相关时延估计算法易受噪声和混响环境影响。为此,本文提出了一种基于二次相关的语音信号时延估计改进算法,该算法对语音信号进行二次互相关运算,并结合Hilbert变换,对二次互相关峰值进行进一步的锐化处理,使得反映时延的峰值点检测更为准确。实验结果表明,改进的时延估计方法在非平稳的语音信号中能够有效地抑制噪声干扰,且在不同混响条件下时延估计具有更好的性能。     

基于声程差的多通道广义相关时延估计及其DSP实现

本文将基于声程差的广义相关法时延估计应用于六基元阵，同时成功地将中值滤波及可变门限算法用于相关峰的自动跟踪，为了提高精度，导出了新的内插公式。最后给出了时延估计的结果。     

瞬态信号的小波变换波达方向估计

针对瞬态信号方位估计问题,提出了基于连续小波变换的多重信号分类测向算法(CWT_MUSIC)。首先由信号特征确定小波尺度参数,构造Morlet小波,对信号进行小波变换,利用获得的小波变换系数建立多分辨时频阵列信号模型,并据此模型设计基于子空间的MUSIC算法以实现瞬态信号的波达方向估计;然后对该算法的多分辨与误差性能进行分析,最后仿真实验和实际爆炸试验验证了所提出的CWT_MUSIC算法能有效地提高空间谱的分辨率和DOA估计性能。     

基于小波变换的超声多模式兰姆波参量时延估计

提出了采用小波瞬时参数法和小波变换模极大值法分别对高频窄带和低频宽带超声多模式（Ａ０模式和Ｓ０模式）兰姆波进行时延估计,与希尔伯特瞬时参数法比较,它们的估计精度明显的高于希尔伯特瞬时参数法,其中小波变换的模极大值法对时延估计的精度最高,小波瞬时参数法次之,希尔伯特瞬时参数法不能很好的估计多模式时延。同时提出了基于小波变换模极大值重建对超声兰姆波多模式估计衰减系数的方法,对金属铝薄板的实验结果表明此方法是可行的。     

相关域双谱时延估计方法

提出了基于接收信号互相关数据的双谱时延估计新方法,为无源跟踪系统提供了一种高精度时延估计方法。实航数据处理结果表明,该方法时延估计误差只有广义互相关法的1/6。     

多频带期望值最大声信号时延估计EI北大核心CSCD

通过分析复杂环境中不同频带声信号时延估计的差异,提出多频带期望值最大时延估计方法。为了使各频带之间无重叠,该方法采用独立分带划分声信号不同频带,然后计算各频带广义互相关函数,并对子带广义互相关函数建立最大似然模型,最后利用期望值最大算法将多维优化转为一维优化的迭代式,获得最优子带广义互相关函数,在此基础上估计声信号的时延信息。数据仿真和实际实验结果表明,多频带期望值最大化时延估计相较常规时延估计有效估计值的百分比提升了10%,并将最优频带互相关函数应用到该定位算法中,在网格间距为0.3 m时,得到的峰值区域汇聚更明显,定位效果更好。     

分布式光纤中的稳健时间延迟估计方法

在分布式光纤传感系统定位中,传统时延估计算法常由于噪声相关性较强而失效。采用一种削弱相关噪声的改进型广义相关法,并针对系统特点,为进一步改善分布式光纤传感定位的准确度与稳定度,提出了一种先对数据按事件信号进行分帧,再采用卡尔曼滤波器对分帧时延估计结果进行跟踪的时延估计方案。系统仿真实验与实际数据测试结果均表明:提出的时延估计方案能够有效抑制强相关性的噪声,提高时延估计的准确度与稳定度。经大量现场测试,本文的方案能够有效地将时延估计误差稳定地控制在0.2个采样间隔以内,能够满足系统实际定位精度要求。     

基于多尺度总体最小二乘的图像去噪

提出了一种基于多尺度总体最小二乘的图像去噪算法.采用平稳小波变换对噪音图像进行分解,分别对各个分解层的高频子带,通过总体最小二乘算法估计信号小波系数;并且考虑到不同尺度小波系数之间的相关性,将尺度相关性约束到总体最小二乘算法中,进而准确估计各高频子带信号小波系数,再由估计的信号小波系数通过小波逆变换得到去噪图像.实验结果表明,考虑尺度间相关性的总体最小二乘平稳小波变换图像去噪算法能有效去除图像噪音,在信噪比和视觉质量上有了较大改善.     

基于多尺度总体最小二乘的图像去噪

提出了一种基于多尺度总体最小二乘的图像去噪算法.采用平稳小波变换对噪音图像进行分解,分别对各个分解层的高频子带,通过总体最小二乘算法估计信号小波系数|并且考虑到不同尺度小波系数之间的相关性,将尺度相关性约束到总体最小二乘算法中,进而准确估计各高频子带信号小波系数,再由估计的信号小波系数通过小波逆变换得到去噪图像.实验结果表明,考虑尺度间相关性的总体最小二乘平稳小波变换图像去噪算法能有效去除图像噪音,在信噪比和视觉质量上有了较大改善.